近日，硅心科技（aiXcoder）助力國內頭部通信企業落地企業專屬大模型，通過四大創新方案，突破通用大模型“缺乏企業私域知識、不了解業務”的企業落地難題，實現代碼生成準確率提升25個百分點（從20%提升至45%），企業知識問答準確率提升18個百分點（從51%提升至69%）。

在通信行業數字化轉型加速的背景下，某大型通信公司率先將通用大模型引入生產實踐，期望大模型在企業知識問答、單元測試生成、代碼生成等真實場景中提供智能輔助，以提升研發效能。

然而實際的應用中，通用大模型因缺乏企業私域知識（如專有協議棧、設備交互邏輯等）而表現不佳：企業知識問答常常答非所問或泛泛而談；輸出缺乏業務邏輯支撐，可用性差；生成的代碼需工程師花費大量時間修改。

考慮到RAG（Retrieval-Augmented Generation，檢索增強生成）等通用方案難以實現深度業務推理。為此，企業選擇與硅心科技（aiXcoder）合作，將私域知識深度注入模型，構建企業專屬大模型。

具體方案包括：1）多維度綜合評估，選擇最優開源模型。2）企業私域數據治理，構建高質量訓練語料。3）增量預訓練+后訓練，訓練企業專屬大模型。4）以企業真實數據為準，構建企業級測評集。

方案實施過程中仍面臨諸多挑戰，硅心科技（aiXcoder）通過四大創新技術攻克難題，確保項目落地：

一、創新采用“大模型+小模型”策略。大模型支持通用場景，比如復雜的Agent主流程構建；小模型支持企業特定的領域化問題，在解決企業特定任務時會更精準、高效。兩者協同，既保證通用智能，又強化專業深度。

二、構建全鏈路私域數據治理體系。硅心科技（aiXcoder）對“原始需求-設計-開發-測試”等研發環節的企業數據和文檔，進行系統性打通與關聯構建，讓大模型在執行具體任務時，能參考研發全鏈路的相關知識，獲得全局理解能力，提升輸出結果的可用性。

三、創新融入工作流和Agent技術。企業核心業務智能化往往需要端到端的解決方案，但目前市場上并沒有能直接解決端到端問題的大模型。為此，硅心科技（aiXcoder）在訓練企業專屬大模型時，創造性融入了工作流和Agent技術。通過精心設計的任務編排與Agent協同，有效補齊端到端的能力短板。

四、利用AI輔助生成高質量訓練數據。企業內部的私域知識和數據關系非常復雜，且數據量不足以支撐模型訓練的需求。為此，硅心科技（aiXcoder）在嚴格遵循業務邏輯和安全規范的前提下，系統梳理和構建數據間的依賴關系，并利用大模型合成大量高質量、符合業務場景的訓練數據，有效解決數據瓶頸難題。

最終，企業專屬大模型應用到實際任務中后，效果超出預期：企業知識問答的準確率由原來51%，提升至69%；代碼生成準確率由原來的20%，上漲至45%。

不僅如此，企業專屬大模型訓練過程中所形成的數據治理框架、訓練路徑和方案都具備高度的可復用性。隨著底層模型迭代、技術演進和業務需求的變化，企業可以在現有框架上快速適應、調整和新增數據，大幅降低后續訓練成本，為企業在長期技術競爭中構建獨特優勢。